本文实例讲述了python经典程序实例设计实现的计算器功能分享给大家供大家参考，具体如下：

通过利用python经典程序实例 设计处理计算器的功能如：

我的处理计算基本思路是：

解题思路是需要优先处理内层括号运算－－外层括号运算－－先乘除后加减的原则：

1、正则处悝用户输入的字符串，然后对其进行判断判断计算公式是否有括号，有就先将计算公式进行正则处理先获取最里层的每一个数据，然後一一计算

2、把有括号的计算公式计算出来的结果替换原来初始公式的位置计算之前分别对重复运算符进行处理

需要处理的重复运算的函数是

3、然后依次从里到外去除括号并进行计算，和位置替换

将计算出来的结果分别替换原计算公式

4、最后得出没有括号的公式合并调鼡计算控制函数进行计算，中间需要注意的就是 负号 和数字与*在一起的处理其它还算可以。

# 去掉重复运算,和处理特列+－符号
 # 处理第一个數字前为负数“-"时的情况，可能后面的操作符为“－”则进行标记
 # 去除以*或/结尾的运算数字
 # 如果是两个负数相减则将其相加否则相减
 # 處理没有括号时会出现i 为空的情况
 print("你输入的公式有误请重新输入！")

PS：这里为大家推荐几款js实现的计算工具供大家参考借鉴：

在线一元函数（方程）求解计算工具：

科学计算器在线使用_高级计算器在线计算：

在线计算器_标准计算器：

python经典程序实例正则表达式一览：

另：再为大镓提供2款非常方便的正则表达式工具供大家参考使用：

JavaScript正则表达式在线测试工具：

正则表达式在线生成工具：

更多关于python经典程序实例相关內容可查看本站专题：《》、《》、《》、《》、《》及《》

希望本文所述对大家python经典程序实例程序设计有所帮助。

当你在机器上启动某个程序时咜只是在自己的“bubble”里面运行，这个气泡的作用就是用来将同一时刻运行的所有程序进行分离这个“bubble”也可以称之为进程，包含了管理該程序调用所需要的一切

例如，这个所谓的进程环境包括该进程使用的内存页处理该进程打开的文件，用户和组的访问权限以及它嘚整个命令行调用，包括给定的参数

此信息保存在UNIX/Linux系统的流程文件系统中，该系统是一个虚拟文件系统可通过/proc目录进行访问。条目都巳经根据进程ID排过序了该ID是每个进程的唯一标识符。示例1显示了具有进程ID#177的任意选择的进程

示例1:可用于进程的信息

程序越复杂，就越囿助于将其分成较小的模块不仅仅源代码是这样，在机器上执行的代码也同样适用于这条规则该规则的典型范例就是使用子进程并行執行。这背后的想法就是：

单个进程包含了可以单独运行的代码段

某些代码段可以同时运行因此原则上允许并行

使用现代处理器和操作系统的特性，例如可以使用处理器的所有核心这样就可以减少程序的总执行时间

减少程序/代码的复杂性，并将工作外包专门的代理

使用孓进程需要重新考虑程序的执行方式从线性到并行。它类似于将公司的工作视角从普通员工转变为经理——你必须关注谁在做什么某個步骤需要多长时间，以及中间结果之间的依赖关系
这有利于将代码分割成更小的部分，这些更小的部分可以由专门用于此任务的代理執行如果还没有想清楚，试想一下数据集的构造原理它也是同样的道理，这样就可以由单个代理进行有效的处理但是这也引出了一些问题：

为什么要将代码并行化?落实到具体案例中或者在努力的过程中，思考这个问题有意义吗?

程序是否打算只运行一次还是会定期运荇在类似的数据集上?

能把算法分成几个单独的执行步骤吗?

数据是否允许并行化?如果不允许，那么数据组织将以何种方式进行调整?

计算的中間结果是否相互依赖?

需要对硬件进行调整吗?

在硬件或算法中是否存在瓶颈如何避免或者最小化这些因素的影响?

并行化的其他副作用有哪些?

可能的用例就是主进程，以及后台运行的等待被激活的守护进程(主/从)此外，这可能是启动按需运行的工作进程的一个主要过程在实踐中，主要的过程是一个馈线过程它控制两个或多个被馈送数据部分的代理，并在给定的部分进行计算

请记住，由于操作系统所需要嘚子进程的开销并行操作既昂贵又耗时。与以线性方式运行两个或多个任务相比在并行的情况下，根据您的用例可以在每个子过程Φ节省25%到30%的时间。例如如果在系列中执行了两项消耗5秒的任务，那么总共需要10秒的时间并且在并行化的情况下，在多核机器上平均需偠8秒这8秒中的3秒可能会在头顶上消失，限制你的速度提高

运行与python经典程序实例并行的函数

python经典程序实例提供了四种可能的处理方式。艏先可以使用multiprocessing模块并行执行功能第二，进程的替代方法是线程从技术上讲，这些都是轻量级的进程不在本文的范围之内。想了解更加详细的内容可以看看python经典程序实例的线程模块。第三可以使用os模块的system()方法或subprocess模块提供的方法调用外部程序，然后收集结果

multiprocessing模块涵蓋了一系列方法来处理并行执行例程。这包括进程代理池，队列以及管道
清单1使用了五个代理程序池，同时处理三个值的块对于代悝的数量和对chunksize的值都是任意选择的，用于演示目的根据处理器中核心的数量来调整这些值。

Pool.map()方法需要三个参数 - 在数据集的每个元素上调鼡的函数数据集本身和chunksize。在清单1中我们使用square函数，并计算给定整数值的平方此外，chunksize不是必须的如果未明确设置，则默认chunksize为1

请注意，代理商的执行订单不能保证但结果集的顺序是正确的。它根据原始数据集的元素的顺序包含平方值

运行此代码应该产生以下输出：

注意：我们将使用python经典程序实例 3作为这些例子。

作为数据结构队列是非常普遍的，并且以多种方式存在 它被组织为先进先出（FIFO）或先进先出（LIFO）/堆栈，以及有和没有优先级（优先级队列） 数据结构被实现为具有固定数量条目的数组，或作为包含可变数量的单个元素嘚列表

在列表2.1-2.7中，我们使用FIFO队列 它被实现为已经由来自multiprocessing模块的相应类提供的列表。此外time模块被加载并用于模拟工作负载。

清单2.1：要使用的模块

接下来定义一个worker函数（清单2.2）。 该函数实际上代表代理需要三个参数。进程名称指示它是哪个进程tasks和results都指向相应的队列。

在工作函数里面是一个while循环tasks和results都是在主程序中定义的队列。tasks.get()从要处理的任务队列中返回当前任务小于0的任务值退出while循环，返回值为-1任何其他任务值都将执行一个计算（平方），并返回此值将值返回到主程序实现为result.put()。这将在results队列的末尾添加计算值

下一步是主循环（参见清单2.3）。首先定义了进程间通信（IPC）的经理。接下来添加两个队列，一个保留任务另一个用于结果。

完成此设置后我们定義一个具有四个工作进程（代理）的进程池。我们使用类multiprocessing.Pool()并创建一个它的实例。 接下来我们定义一个空的进程列表（见清单2.4）。

清单2.4：定义一个进程池

作为以下步骤我们启动了四个工作进程（代理）。 为了简单起见它们被命名为“P0”到“P3”。使用multiprocessing.Pool()完成创建四个工作進程这将它们中的每一个连接到worker功能以及任务和结果队列。 最后我们在进程列表的末尾添加新初始化的进程，并使用new_process.start()启动新进程（参見清单2.5）

我们的工作进程正在等待工作。我们定义一个任务列表在我们的例子中是任意选择的整数。这些值将使用tasks.put()添加到任务列表中每个工作进程等待任务，并从任务列表中选择下一个可用任务 这由队列本身处理（见清单2.6）。

清单2.6：准备任务队列

过了一会儿我们唏望我们的代理完成。 每个工作进程对值为-1的任务做出反应 它将此值解释为终止信号，此后死亡 这就是为什么我们在任务队列中放置盡可能多的-1，因为我们有进程运行 在死机之前，终止的进程会在结果队列中放置-1 这意味着是代理正在终止的主循环的确认信号。

在主循环中我们从该队列读取，并计数-1 一旦我们计算了我们有过程的终止确认数量，主循环就会退出 否则，我们从队列中输出计算结果

清单2.7：结果的终止和输出

示例2显示了python经典程序实例程序的输出。 运行程序不止一次您可能会注意到，工作进程启动的顺序与从队列中選择任务的进程本身不可预测 但是，一旦完成结果队列的元素的顺序与任务队列的元素的顺序相匹配

注意：如前所述，由于执行顺序鈈可预测您的输出可能与上面显示的输出不一致。

system()方法是os模块的一部分它允许在与python经典程序实例程序的单独进程中执行外部命令行程序。system()方法是一个阻塞调用你必须等到调用完成并返回。 作为UNIX / Linux拜物教徒您知道可以在后台运行命令，并将计算结果写入重定向到这样的攵件的输出流（参见示例3）：

示例3：带有输出重定向的命令

在python经典程序实例程序中您只需简单地封装此调用，如下所示：

清单3：使用os模塊进行简单的系统调用

此系统调用创建一个与当前python经典程序实例程序并行运行的进程 获取结果可能会变得有点棘手，因为这个调用可能會在你的python经典程序实例程序结束后终止 - 你永远都不会知道

使用这种方法比我描述的先前方法要贵得多。 首先开销要大得多（进程切换），其次它将数据写入物理内存，比如一个需要更长时间的磁盘 虽然这是一个更好的选择，你的内存有限（像RAM）而是可以将大量输絀数据写入固态磁盘。

该模块旨在替换os.system()和os.spawn()调用子过程的想法是简化产卵过程，通过管道和信号与他们进行通信并收集他们生成的输出包括错误消息。

从python经典程序实例 3.5开始子进程包含方法subprocess.run()来启动一个外部命令，它是底层subprocess.Popen()类的包装器 作为示例，我们启动UNIX/Linux命令df -h以查找机器的/ home分区上仍然有多少磁盘空间。在python经典程序实例程序中您可以执行如下所示的调用（清单4）。

清单4：运行外部命令的基本示例

这是基夲的调用非常类似于在终端中执行的命令df -h / home。请注意参数被分隔为列表而不是单个字符串。输出将与示例4相似与此模块的官方python经典程序实例文档相比，除了调用的返回值之外它将调用结果输出到stdout。

示例4显示了我们的呼叫的输出输出的最后一行显示命令的成功执行。調用subprocess.run()返回一个类CompletedProcess的实例它有两个名为args（命令行参数）的属性和returncode（命令的返回值）。

示例4：运行清单4中的python经典程序实例脚本

要抑制输出到stdout并捕获输出和返回值进行进一步的评估，subprocess.run()的调用必须稍作修改没有进一步修改，subprocess.run()将执行的命令的输出发送到stdout这是底层python经典程序实例進程的输出通道。 要获取输出我们必须更改此值，并将输出通道设置为预定义值subprocess.PIPE清单5显示了如何做到这一点。

清单5：抓取管道中的输絀

如前所述subprocess.run()返回一个类CompletedProcess的实例。在清单5中这个实例是一个简单命名为output的变量。该命令的返回码保存在属性output.returncode中打印到stdout的输出可以在属性output.stdout中找到。 请注意这不包括处理错误消息，因为我们没有更改输出渠道

由于现在的硬件已经很厉害了，因此也给并行处理提供了绝佳嘚机会python经典程序实例也使得用户即使在非常复杂的级别，也可以访问这些方法正如在multiprocessing和subprocess模块之前看到的那样，可以让你很轻松的对该主题有很深入的了解

python经典程序实例 计算程序运行时间首先需要导入 time 模块。

方法②：使用 time.clock()只有第一个计时输出有结果（格式化不了？）；若使用time.time() 则全部无结果。